买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东科技大学申请的专利一种基于InheritfeatNet算法的农作物病虫害分类识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116189175B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211647227.6，技术领域涉及：G06V20/68；该发明授权一种基于InheritfeatNet算法的农作物病虫害分类识别方法是由李瑞泽;张功磊;苏令涛设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本一种基于InheritfeatNet算法的农作物病虫害分类识别方法在说明书摘要公布了：本发明公开了一种基于InheritfeatNet算法的农作物病虫害分类识别方法，属于深度学习领域，包括如下步骤：步骤1、获取各个种类的农作物病虫害图像，制作农作物病虫害样本数据集；步骤2、构建图像智能处理IPS模块，用于对输入图像进行预处理；步骤3、搭建基于InheritfeatNet算法的农作物病虫害识别分类网络模型；步骤4、训练并优化所搭建的农作物病虫害识别分类网络模型；步骤5、对训练好的农作物病虫害识别分类网络模型进行模型评估，输出并保存评估性能良好的模型；步骤6、利用训练完成的农作物病虫害识别分类网络模型对输入图像进行识别；图像的获取和识别过程中，为用户提供智能化反馈。本发明对病虫害识别分类准确度高，降低了对算力的要求。

本发明授权一种基于InheritfeatNet算法的农作物病虫害分类识别方法在权利要求书中公布了：1.一种基于InheritfeatNet算法的农作物病虫害分类识别方法，其特征在于，包括如下步骤： 步骤1、获取各个种类的农作物病虫害图像，制作农作物病虫害样本数据集； 步骤2、构建图像智能处理IPS模块，用于对输入图像进行预处理；具体过程如下： 步骤2.1、首先判断图像主体是否模糊，使用Sobel检测算子提取图像水平和垂直方向的梯度值，根据Tenengrad评价函数，对输入图像的模糊程度进行评估，具体公式如下： 其中，x,y为二维图像中的边缘点坐标，Sobelx,y表示图像在x,y点处的梯度，Gx、Gy分别为横向、纵向边缘检测的图像灰度值，Ix,y代表原始图像；Tenengrad表示图像清晰度评价指数，n表示图像中的像素总数； 步骤2.2、采用角度测定法判别图像是否存在歪斜；角度测定法具体过程如下：定义alpha为设备水平放置时，绕Z轴旋转的角度；beta为设备水平放置时，绕X轴旋转的角度；gamma为移动设备水平放置时，绕Y轴旋转的角度；若当前图像的gamma超出设定范围时，则判定为存在歪斜情况； 步骤2.3、根据评估结果对图像进行相应处理； 综合步骤2.1和步骤2.2的检测共得到四种评估结果：清晰歪斜，清晰不歪斜，模糊不歪斜，模糊歪斜； 当评估结果为清晰不歪斜时，对图像不做任何处理； 当评估结果为模糊歪斜时，先依据透视变换原理，将歪斜的图像的主体进行矫正；然后对经过矫正变换的图像进行图像信息增强处理； 当评估结果为清晰歪斜时，则只对图像进行矫正； 当评估结果模糊不歪斜时，则只对图像进行信息增强操作； 矫正的具体过程为： 在病变的叶片外，依据叶片轮廓随机选择八个特征点，每个特征点沿该点的梯度方向扩大相同的步长，根据像素值的改变来判断是否将叶片完全包含；将每个点所对应的特征矩阵输入透视变换方程，每一个特征点x,y均对应一个目标点x’,y’，根据公式3平面坐标与齐次坐标的对应关系，得出透视变换矩阵方程，通过解出公式4中八个点所对应的透视变换矩阵方程来得出变换后的八个点的坐标，再通过公式5将原图像变换至此位置得出矫正后的图像；所使用的具体公式如下： 其中，w为扩展维度变量，R为实数域二维坐标点，P为射影空间三维坐标点；fg1～8代表在图像周围选取的八个特征点，T代表需要进行识别分类的目标区域，scr代表输入原始特征矩阵，dst代表输出处理后的特征矩阵，M代表每一个坐标点对应位置的特征矩阵，M11为fg1所对应位置的特征矩阵； 图像信息增强的具体过程为： 采用Gamma变换，设置输入灰度级r，以r＝1为基准，当r1时，拉伸图像高灰度的区域同时压缩低灰度的区域，当r1时，则进行相反操作；所使用的具体公式如下： s＝crγ6； 其中，r和s分别表示输入和输出灰度级，c为灰度放缩系数，γ代表输入图像与输出图像的灰度映射方式，γ1时，图像的高灰度区域对比度得到增强；γ1时，图像的低灰度区域对比度得到增强；γ＝1时，不改变原图像； 步骤3、搭建基于InheritfeatNet算法的农作物病虫害识别分类网络模型； InheritfeatNet算法采用多模块化特征提取策略，将多个继承区InheritfeatZone串联，每一个继承区生成一个特征矩阵，并向后面的每一个继承区域传递本区域生成的特征矩阵参与后续的卷积运算，重复进行直至此图像特征提取结束；同时设置传递参数i，i表示本层特征矩阵向后传递的层数，继承区InheritfeatZone连接公式表示为： Xi+1＝InheritfeatX0，X1，……Xi7； 其中，X代表特征矩阵，Xi+1为经i张特征图合成后的特征图，Inheritfeat·表示连接函数； 步骤4、训练并优化所搭建的农作物病虫害识别分类网络模型； 步骤5、对训练好的农作物病虫害识别分类网络模型进行模型评估，输出并保存评估性能良好的模型； 步骤6、利用训练完成的农作物病虫害识别分类网络模型对输入图像进行识别；图像的获取和识别过程中，为用户提供智能化反馈。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。